بخشی از مقاله
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***
مات زدايي تصوير با استفاده از جفت تصوير نويزي و مات شده
چکيده
وسعت کاربردهاي پردازش تصوير در طي ساليان اخير باعث رشد و دگرگوني اين دانش در عرصه هاي مختلـف علـوم شـده اسـت . از حوزه هاي پر کاربرد در زمينه پردازش تصوير، بهبود تصـاويري اسـت کـه معمـوًلا در هنگـام اخـذ تصـوير، بـه دليـل شـرايط محيطـي، محدوديت هاي دستگاه تصويربرداري و يا نمايشگرها دچار مشکلاتي از جمله ماتي، عدم تناسب منابع نوري و يا تناسب ترکيب رنگ ها و خرابيهايي در کيفيت تصوير ميشوند. مات شدن تصوير در واقع بيانگر جابه جايي پيکسل هاي تصـوير و اشـياي موجـود در آن اسـت و تأثير زيادي بر روي بافت اشياي موجود در تصوير خواهد داشت . راه حل هاي فراواني براي حذف ماتي تصوير ارائه شده است ؛ هـدف ايـن مقاله معرفي تعدادي از اين روش ها و الگوريتم ها است ، که در برخي از آنها نيز، تصاوير بهبوديافته ، هم چنان دچار خرابي هسـتند و لـذا لزوم کار بيشتر بر روي آنها به منظور ارتقاي الگوريتم ، امري ضروري است .
کلمات کليدي
مات شدگي، اثر رينگينگ ، جفت تصوير، دي کانولوشن باقيمانده ، الگوريتم RL.
١- مقدمه
گرفتن تصوير رضايت بخش تحت شرايط نور کم با استفاده از يک دوربين دستي ميتواند تجربه ي خسته کننده اي باشد. اغلب تصاوير گرفته شده مات و يا نويزي هستند. اگر دوربين براي مدت زمان طولاني باز و بسته شدن شاتر دوربين تنظيم شود، تصوير به علت لرزش دوربين تار مي - شود. از سوي ديگر، اگر تصوير با مدت زمان کوتاه باز و بسته شدن شاتر اما با بهره دوربين بالا گرفته شود، تصوير تاريک و نويزي است . اين مقاله با ترکيب اطلاعات استخراج شده از هر دو تصاوير مات شده و نويزي، چگونگي توليد يک تصوير با کيفيت بالا را که نميتواند به سادگي با حذف نويز از تصوير نويزي و يا حذف ماتي تصوير مات شده به دست بيايد، نشان مي دهد. در عمل ، براي به حداقل رساندن اختلاف بين دو تصوير، تصوير ديگري که سريع پس از تصوير ديگر گرفته شود، مورد نياز است . دو حالت براي گرفتن چنين جفت تصاويري به طور خيلي سريع وجود دارد:
١. دو تصوير پي در پي با تنظيمات مختلف دوربين توسط يک لپ تاپ متصل به دوربين ايجاد شود؛ کاربر ميتواند تنظيمات دوربين براي دو تصوير را تغيير دهد.
٢. از دوربين هاي DSLR که داراي محدوده باز و بسته شدن شاتر دوربين هستند، استفاده شود. در اين حالت ، دو تصوير پي در پي را ميتوان با سرعت هاي مختلف شاتر با فشار دادن يک بار شاتر گرفت . بازيابي يک تصوير با کيفيت بالا از يک تصوير بسيار نويزي، کار آساني نيست ؛ زيرا که بافت و جزئيات تصوير خوب در نويز پنهان شده است . با حذف کردن نويز، تصاوير را نميتوان به طور کامل از نويز تفکيک کرد[٤٣]. از سوي ديگر، حذف ماتي يک تصوير مات شده ، يکي از مشکلات دي کانولوشن کور است . برآورد هر دو کرنل مات شده و دي کانولوشن تصوير نيز بسيار سخت است . علاوه بر اين ، آثار ناخوشايند دي کانولوشن تصوير (به عنوان مثال ، اثرات رينگينگ )، حتي با استفاده از يک کرنل کامل ، در تصوير بازسازي شده پديدار ميشوند. حذف ماتي با جفت تصوير مات شده . نويزي در[٣٥] ارائه شده است . در اين مقاله ، توليد يک تصوير بدون ماتي و تقريباً بدون هيچ اثر رينگينگ از جفت تصوير مات شده . نويزي، اما با رويکردي که برآوردهايش بسيار دقيق تر از کرنل مات شده ميباشد، شرح داده ميشود. مانند بسياري از روش هاي حذف ماتي، فرض مي شود که ماتي تصوير را ميتوان به خوبي توسط يک تک کرنل ماتي، ناشي از لرزش دوربين و صحنه ثابت توصيف کرد. با الهام از [٢٢]، مشکل دي کانولوشن کور به دو مشکل دي کانولوشن غير کور تبديل ميشود.
١. برآورد کرنل غير کور؛
٢. دي کانولوشن تصوير غير کور.
در برآورد کرنل ، نشان داده مي شود که يک کرنل بسيار دقيق اوليه را ميتوان از تصوير مات شده با بهره برداري کردن مقياس بزرگ ، از ساختار تصوير تيز در تصوير نويزي بازسازي کرد. روش مطرح شده در اين مقاله به کار بردن کرنل هاي بزرگتري است که با استفاده از يک تک تصوير مات شده بازسازي ميشوند با پيشنهاد روش دي کانولوشن باقي مانده ، اثرات رينگينگ که معمولاً از دي کانولوشن تصوير نتيجه ناشي ميشوند تا حد زيادي کاهش مي يابند. همچنين يک دي کانولوشن با بهره کنترل شده براي حذف بيشتر اثرات رينگينگ در نواحي صاف تصوير پيشنهاد مي - شود[٦٢].
٢- روش پيشنهادي
هدف ، بازسازي يک تصوير با کيفيت بالا I، با استفاده از تصاوير ورودي B وN توسط رابطه ي زير ميباشد که در آن K کرنل مات وه
عملگر کانولوشن است .
براي تصوير نويزي N، يک تصويري که نويز آن حذف شده است ، (N D ) محاسبه ميشود[٤٣]. N D بعضي از جزئيات خوب را در روند حذف
نويز از دست ميدهد، اما ساختارهاي تصوير تيز را نگه ميدارد. جزئيات از دست رفته لايه ها، به عنوان I تصوير باقيمانده نشان داده ميشوند:
نتيجه اول اين است که ، N D يک تقريب اوليه بسيار خوب به منظور برآورد کرنل از رابطه (١)، براي تصوير I است .I تصوير باقي مانده نسبت به N D نسبتاً کوچک است . طيف توان تصوير I به طور عمده در تصوير بدون نويز N D قرار دارد. علاوه بر اين ، در مقياس بزرگ ، ساختارهاي تصوير تيز در N D نيز ممکن است سهم مهمي در برآورد کرنل داشته باشند. اعمال روش پيشنهادي بر روي تصاوير مصنوعي و واقعي نشان ميدهد که ، کرنل هاي دقيق را ميتوان با استفاده از B و N D در کانولوشن غير کور به دست آورد. هنگامي که K تخمين زده مي شود، مي توان دوباره از رابط ١) براي دي کانولوشن غير کور I استفاده کرد، که متأسفانه اثرات قابل توجهي مانند اثرات رينگينگ خواهد داشت . به جاي بهبودI به طور مستقيم ، پيشنهاد مي شود که ابتدا I تصوير باقي مانده ، از تصوير
مات شده B بازيابي شود. با ترکيب روابط (١) و (٢)، تصوير باقيمانده را ميتوان از دي کانولوشن باقيمانده بازسازي کرد:
که در آن تصوير مات شده باقيمانده است . نتيجه دوم اين است که ، اثرات رينگينگ در دي کانولوشن باقيمانده (رابطه ٣) از اثرات دي کانولوشن I (رابطه ١) کوچکتر ميباشد، زيرا B مقدار بسيار کوچکتر از B پس از جبران شدن به وسيله دارد. تصوير بدون نويز N D، يک سيگنال بهره تعيين کننده براي کنترل فرآيند دي کانولوشن توليد ميکند، تا اثرات رينگينگ در تمام نواحي تصوير به ويژه نواحي صاف حذف شوند. يک روش حذف رينگينگ ، استفاده از يک الگوريتم دي کانولوشن کنترل شده با بهره ، براي کاهش بيشتر اثرات رينگينگ ميباشد[٦٢].
٣- دي کانولوشن باقيمانده
با توجه به کرنل مات شده K، تصوير واقعي را مي توان با رابطه زير بازسازي نمود:
رويکرد اين مقاله اين است که دي کانولوشن ، روي مقادير تصوير نسبي براي کاهش دامنه مطلق سيگنال انجام شود. به جاي انجام دي کانولوشن به طور مستقيم روي تصويرB، دي کانولوشن بر روي تصوير مات شده باقيمانده براي بازيابي تصوير باقيمانده انجام مي شود. تصوير بازسازي شده نهايي است . الگوريتم RL استاندارد يکي از روش هاي تکرار شونده مبتني برنسبت است ، که مقادير پيکسل غير منفي را اجرا ميکند. با استفاده از الگوريتم RL، تصاوير باقيمانده بايد با اضافه کردن ثابت و ‹ جبران شوند، در آن صورت تمام تصاوير در محدوده [٠،١] نرماليزه ميشوند. پس از هر تکرار، تصوير باقيمانده دوباره با کم کردن ثابت ١ جبران ميشود.
